BioASQ Participants Area

Task 14b: Test Results of Phase A

* The "-" replace the scores of systems that didn't submit the corresponding annotations. *
The test results are presented in separate tables for each type of annotation. They are sorted based on the scores of MAP. The "System Description" of each system is used.
The evaluation measures that are used are presented here .

Test batch 1

Documents

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	0.0776	0.2792	0.1119	0.1949	0.0011
porties-baseline	0.0700	0.2575	0.1002	0.1743	0.0004
health-nlp-1	0.0892	0.2769	0.1163	0.1696	0.0017
DS@GT BioASQ	-	-	-	-	-
pancras_naive	0.1169	0.3000	0.1524	0.2078	0.0020
dictycite-baseline	0.0938	0.3343	0.1349	0.2333	0.0023
dictycite-snippet	0.1050	0.3636	0.1500	0.2577	0.0028
dictycite-max	0.1138	0.3808	0.1594	0.2830	0.0053
lean_rag_ft_sparse	0.0805	0.2547	0.1131	0.1630	0.0010
lean_rag_ft	0.0825	0.2620	0.1163	0.1650	0.0012
lean_rag	0.0800	0.2483	0.1112	0.1691	0.0011
Fleming-1	0.1063	0.3542	0.1490	0.2432	0.0047
dictycite-max-rew-si	0.1138	0.3934	0.1613	0.2763	0.0048
dictycite-max-rew-sl	0.1188	0.4090	0.1686	0.2835	0.0048
Fleming-2	0.1063	0.3542	0.1490	0.2432	0.0047
pancras_crag	0.0934	0.2703	0.1248	0.1798	0.0014
Fleming-3	0.1050	0.3485	0.1476	0.2428	0.0043
Fleming-4	0.1050	0.3485	0.1476	0.2428	0.0043
Fleming-5	0.1063	0.3518	0.1490	0.2462	0.0045
bioinfo-0	0.0850	0.2937	0.1200	0.1476	0.0014
Organization name	0.0726	0.1525	0.0759	0.0902	0.0001
"RMC_1"	0.0484	0.1704	0.0690	0.1042	0.0003
RMC_2	0.1035	0.1270	0.1016	0.0998	0.0001
DS@GT-BioASQ	-	-	-	-	-
bioinfo-1	0.0863	0.2949	0.1212	0.1502	0.0015
bioinfo-2	0.1088	0.3576	0.1524	0.2220	0.0035
bioinfo-3	0.1050	0.3539	0.1488	0.2479	0.0029
bioinfo-4	0.1125	0.3698	0.1581	0.2398	0.0032
Biomedical QA system	0.0867	0.3152	0.1235	0.2176	0.0032
Biomedical QA s. v2	0.0322	0.0633	0.0401	0.0228	0.0000
main	0.0663	0.2335	0.0952	0.1497	0.0007
IR1	0.0950	0.3300	0.1358	0.2349	0.0027
dmiip2024	0.0888	0.2864	0.1217	0.1986	0.0026
dmiip2024_1	0.0888	0.2851	0.1214	0.2023	0.0025
dmiip2024_2	0.0900	0.2703	0.1225	0.1884	0.0038
dmiip2024_3	0.0938	0.2788	0.1276	0.1902	0.0039
dmiip2024_4	0.0900	0.2703	0.1225	0.1887	0.0038
semantic	0.0663	0.2335	0.0952	0.1497	0.0007
prompted	0.0663	0.2335	0.0952	0.1497	0.0007
Biomedical QA s3	0.0732	0.2047	0.0913	0.1398	0.0003
IR_J-1	0.1286	0.1293	0.0991	0.0874	0.0002
IR_J-2	0.0875	0.1292	0.0870	0.0954	0.0002
IR_Y-1	0.0453	0.1685	0.0671	0.1077	0.0003
IR_Y-2	0.0453	0.1685	0.0671	0.1077	0.0003
IR_Y-3	0.0453	0.1685	0.0671	0.1077	0.0003
IR_Y-4	0.0453	0.1685	0.0671	0.1077	0.0003
IR_Y-5	0.0453	0.1685	0.0671	0.1077	0.0003
UR-IW-1	0.0765	0.1942	0.1012	0.1473	0.0005
UR-IW-2	0.1046	0.1966	0.1168	0.1340	0.0004
UR-IW-3	0.0938	0.1915	0.1029	0.1312	0.0005
UR-IW-4	0.0610	0.1747	0.0828	0.1226	0.0004
UR-IW-5	0.0756	0.1658	0.0852	0.1263	0.0004
health-nlp-2	0.0892	0.2769	0.1163	0.1696	0.0017
WHU-ECHO Lab-1	0.0475	0.1833	0.0731	0.0802	0.0002
ubuntu	0.0250	0.0468	0.0303	0.0263	0.0000

Snippets

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	0.0462	0.1541	0.0543	0.0769	0.0002
porties-baseline	0.0364	0.0871	0.0414	0.0609	0.0001
health-nlp-1	0.0595	0.0858	0.0542	0.0542	0.0002
DS@GT BioASQ	-	-	-	-	-
pancras_naive	0.0759	0.2000	0.0825	0.1402	0.0008
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
lean_rag_ft_sparse	0.0504	0.1537	0.0601	0.0404	0.0002
lean_rag_ft	0.0505	0.1537	0.0601	0.0403	0.0002
lean_rag	0.0518	0.1369	0.0606	0.0403	0.0002
Fleming-1	0.0652	0.2098	0.0769	0.1109	0.0015
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
Fleming-2	0.0640	0.2200	0.0757	0.1198	0.0021
pancras_crag	0.0479	0.1094	0.0517	0.0619	0.0002
Fleming-3	0.0608	0.2057	0.0735	0.1048	0.0011
Fleming-4	0.0621	0.2215	0.0757	0.1168	0.0020
Fleming-5	0.0639	0.2083	0.0759	0.1085	0.0012
bioinfo-0	-	-	-	-	-
Organization name	0.0400	0.1033	0.0425	0.1089	0.0001
"RMC_1"	0.0233	0.0764	0.0254	0.0357	0.0001
RMC_2	0.0360	0.1036	0.0436	0.1113	0.0001
DS@GT-BioASQ	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
Biomedical QA system	0.0598	0.1790	0.0710	0.1475	0.0009
Biomedical QA s. v2	0.0179	0.0245	0.0170	0.0152	0.0000
main	0.0034	0.0056	0.0040	0.0048	0.0000
IR1	0.0689	0.2418	0.0877	0.1656	0.0010
dmiip2024	0.0682	0.2041	0.0755	0.1574	0.0011
dmiip2024_1	0.0704	0.2213	0.0791	0.1646	0.0013
dmiip2024_2	0.0767	0.2094	0.0852	0.1591	0.0014
dmiip2024_3	0.0824	0.2188	0.0914	0.1671	0.0017
dmiip2024_4	0.0766	0.2099	0.0851	0.1601	0.0015
semantic	0.0072	0.0094	0.0069	0.0128	0.0000
prompted	0.0033	0.0186	0.0045	0.0064	0.0000
Biomedical QA s3	0.0387	0.1200	0.0435	0.1078	0.0002
IR_J-1	0.0953	0.0836	0.0561	0.0565	0.0001
IR_J-2	0.0622	0.0982	0.0522	0.0633	0.0001
IR_Y-1	0.0161	0.1364	0.0254	0.0255	0.0001
IR_Y-2	0.0161	0.1364	0.0254	0.0153	0.0001
IR_Y-3	0.0161	0.1364	0.0254	0.0255	0.0001
IR_Y-4	0.0161	0.1364	0.0254	0.0153	0.0001
IR_Y-5	0.0161	0.1364	0.0254	0.0255	0.0001
UR-IW-1	0.0617	0.1326	0.0717	0.1193	0.0003
UR-IW-2	0.0930	0.1416	0.0829	0.1074	0.0004
UR-IW-3	0.0761	0.1385	0.0791	0.1209	0.0003
UR-IW-4	0.0481	0.1211	0.0554	0.0997	0.0003
UR-IW-5	0.0720	0.1295	0.0702	0.1234	0.0003
health-nlp-2	0.0595	0.0858	0.0542	0.0542	0.0002
WHU-ECHO Lab-1	-	-	-	-	-
ubuntu	0.0155	0.0290	0.0160	0.0179	0.0000

Concepts

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	-	-	-	-	-
porties-baseline	-	-	-	-	-
health-nlp-1	-	-	-	-	-
DS@GT BioASQ	-	-	-	-	-
pancras_naive	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
lean_rag_ft_sparse	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag	-	-	-	-	-
Fleming-1	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
Fleming-2	-	-	-	-	-
pancras_crag	-	-	-	-	-
Fleming-3	-	-	-	-	-
Fleming-4	-	-	-	-	-
Fleming-5	-	-	-	-	-
bioinfo-0	-	-	-	-	-
Organization name	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
Biomedical QA system	-	-	-	-	-
Biomedical QA s. v2	-	-	-	-	-
main	-	-	-	-	-
IR1	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
semantic	-	-	-	-	-
prompted	-	-	-	-	-
Biomedical QA s3	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
IR_Y-3	-	-	-	-	-
IR_Y-4	-	-	-	-	-
IR_Y-5	-	-	-	-	-
UR-IW-1	-	-	-	-	-
UR-IW-2	-	-	-	-	-
UR-IW-3	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-5	-	-	-	-	-
health-nlp-2	-	-	-	-	-
WHU-ECHO Lab-1	-	-	-	-	-
ubuntu	-	-	-	-	-

RDF Triples

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	-	-	-	-	-
porties-baseline	-	-	-	-	-
health-nlp-1	-	-	-	-	-
DS@GT BioASQ	-	-	-	-	-
pancras_naive	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
lean_rag_ft_sparse	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag	-	-	-	-	-
Fleming-1	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
Fleming-2	-	-	-	-	-
pancras_crag	-	-	-	-	-
Fleming-3	-	-	-	-	-
Fleming-4	-	-	-	-	-
Fleming-5	-	-	-	-	-
bioinfo-0	-	-	-	-	-
Organization name	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
Biomedical QA system	-	-	-	-	-
Biomedical QA s. v2	-	-	-	-	-
main	-	-	-	-	-
IR1	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
semantic	-	-	-	-	-
prompted	-	-	-	-	-
Biomedical QA s3	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
IR_Y-3	-	-	-	-	-
IR_Y-4	-	-	-	-	-
IR_Y-5	-	-	-	-	-
UR-IW-1	-	-	-	-	-
UR-IW-2	-	-	-	-	-
UR-IW-3	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-5	-	-	-	-	-
health-nlp-2	-	-	-	-	-
WHU-ECHO Lab-1	-	-	-	-	-
ubuntu	-	-	-	-	-

Test batch 2

Documents

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	0.0614	0.2662	0.0935	0.1413	0.0009
lean_rag	0.0650	0.2790	0.0985	0.1781	0.0011
lean_rag_dprf	0.0600	0.2600	0.0916	0.1649	0.0009
lean_rag_ft	0.0650	0.2790	0.0985	0.1791	0.0011
lean_rag_ft_sparse	0.0613	0.2657	0.0939	0.1624	0.0009
Splade-v3	0.0375	0.1368	0.0560	0.0928	0.0002
Debertav3	0.0500	0.1881	0.0743	0.1241	0.0004
Fully fine-tuned	0.0425	0.1670	0.0637	0.1218	0.0002
Recently fine-tuned	0.0525	0.1951	0.0780	0.1092	0.0004
Biomedical QA system	0.0688	0.2553	0.1010	0.1689	0.0009
bm25 + splade	0.0575	0.2464	0.0881	0.1947	0.0007
dictycite-baseline	0.0763	0.3149	0.1150	0.2085	0.0017
dictycite-max	0.0800	0.3214	0.1197	0.2395	0.0018
dictycite-max-rew-si	0.0813	0.3357	0.1222	0.2370	0.0015
dictycite-max-rew-sl	0.0825	0.3254	0.1229	0.2322	0.0018
dictycite-snippet	0.0800	0.3221	0.1193	0.2249	0.0017
Fleming-1	0.0675	0.2874	0.1023	0.2148	0.0011
Biomedical QA s. v2	0.0763	0.2658	0.1111	0.1724	0.0010
Fleming-2	0.0675	0.2874	0.1023	0.2148	0.0011
MedQA-1	0.0271	0.1013	0.0405	0.0646	0.0001
health-nlp-1	0.0683	0.2580	0.1023	0.1399	0.0008
Hybrid Retrieval	0.0075	0.0323	0.0120	0.0109	0.0000
MedQA-2	0.0358	0.1277	0.0521	0.0882	0.0002
"RMC_1"	0.0276	0.1367	0.0429	0.0881	0.0001
RMC_2	0.0813	0.1141	0.0873	0.0995	0.0001
RMC_3	0.0434	0.1570	0.0604	0.1069	0.0002
RMC_4	0.0263	0.1191	0.0405	0.0856	0.0001
RMC_5	0.0485	0.1456	0.0640	0.1090	0.0001
main	0.0450	0.1883	0.0683	0.1214	0.0003
semantic	0.0450	0.1883	0.0683	0.1214	0.0003
prompted	0.0450	0.1883	0.0683	0.1214	0.0003
pancras_naive	0.0957	0.2950	0.1348	0.1807	0.0012
pancras_crag	0.1359	0.2434	0.1502	0.1605	0.0006
Organization name	0.0812	0.1819	0.0962	0.0985	0.0002
bioinfo-0	0.0525	0.1979	0.0776	0.0813	0.0004
bioinfo-1	0.0738	0.2953	0.1107	0.1914	0.0016
bioinfo-2	0.0438	0.1845	0.0667	0.0721	0.0003
bioinfo-3	0.0438	0.1845	0.0667	0.0718	0.0003
bioinfo-4	0.0725	0.3053	0.1103	0.1922	0.0016
IR1	0.1000	0.2677	0.1264	0.1881	0.0010
health-nlp-2	0.0721	0.2703	0.1076	0.1462	0.0008
DS@GT-BioASQ	0.0642	0.1249	0.0728	0.0917	0.0001
IR_J-1	0.0425	0.1850	0.0634	0.1177	0.0002
IR_J-2	0.0948	0.1221	0.0881	0.0891	0.0001
dmiip2024	0.0663	0.2751	0.1012	0.1923	0.0009
dmiip2024_1	0.0713	0.3011	0.1096	0.1953	0.0013
dmiip2024_3	0.0625	0.2561	0.0954	0.1839	0.0008
dmiip2024_4	0.0613	0.2525	0.0933	0.1846	0.0006
dmiip2024_2	0.0650	0.2847	0.1005	0.1970	0.0009
mckpt1	0.0310	0.0779	0.0404	0.0357	0.0000
mckpt2	0.0261	0.0497	0.0309	0.0262	0.0000
MedQA-3	0.0588	0.2433	0.0890	0.1524	0.0006
MedQA-4	0.0588	0.2433	0.0890	0.1515	0.0006
MedQA-5	0.0688	0.2902	0.1050	0.1628	0.0010
Fleming-3	0.0688	0.2963	0.1049	0.2155	0.0013
UR-IW-3	0.0814	0.2289	0.1080	0.1373	0.0007
WHU-ECHO Lab-2	0.0433	0.1511	0.0615	0.0688	0.0002
UR-IW-4	0.0738	0.2028	0.0998	0.1200	0.0005
UR-IW-1	0.0630	0.1880	0.0846	0.1292	0.0003
UR-IW-5	0.0665	0.2236	0.0912	0.1226	0.0004
Fleming-5	0.0688	0.2937	0.1044	0.2159	0.0012
UR-IW-2	0.0971	0.2048	0.1050	0.1474	0.0005
IR_Y-1	0.0425	0.1850	0.0634	0.1177	0.0002
IR_Y-2	0.0438	0.1768	0.0643	0.1099	0.0002
Biomedical QA s3	0.0713	0.2413	0.1034	0.1672	0.0008
ubuntu	-	-	-	-	-
qwen	-	-	-	-	-
config-1	0.0463	0.2029	0.0718	0.1007	0.0002

Snippets

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	0.0508	0.1216	0.0580	0.1154	0.0002
lean_rag	0.0755	0.1469	0.0809	0.0583	0.0003
lean_rag_dprf	0.0688	0.1348	0.0762	0.0547	0.0002
lean_rag_ft	0.0743	0.1466	0.0802	0.0571	0.0003
lean_rag_ft_sparse	0.0667	0.1361	0.0761	0.0541	0.0002
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
Biomedical QA system	0.0610	0.1192	0.0621	0.1259	0.0003
bm25 + splade	0.0438	0.0682	0.0469	0.0545	0.0001
dictycite-baseline	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
Fleming-1	0.0462	0.1381	0.0570	0.0971	0.0008
Biomedical QA s. v2	0.0607	0.1209	0.0627	0.1245	0.0004
Fleming-2	0.0408	0.1127	0.0517	0.0949	0.0004
MedQA-1	0.0203	0.0480	0.0253	0.0373	0.0000
health-nlp-1	0.0430	0.1016	0.0512	0.0485	0.0001
Hybrid Retrieval	0.0070	0.0139	0.0093	0.0108	0.0000
MedQA-2	0.0237	0.0605	0.0282	0.0513	0.0001
"RMC_1"	0.0115	0.0488	0.0156	0.0377	0.0000
RMC_2	0.0373	0.0846	0.0419	0.2108	0.0001
RMC_3	0.0192	0.0613	0.0247	0.0650	0.0001
RMC_4	0.0188	0.0509	0.0204	0.0390	0.0000
RMC_5	0.0315	0.0760	0.0361	0.0763	0.0001
main	0.0048	0.0161	0.0057	0.0069	0.0000
semantic	0.0030	0.0102	0.0028	0.0033	0.0000
prompted	0.0061	0.0199	0.0074	0.0174	0.0000
pancras_naive	0.0717	0.1890	0.0858	0.1455	0.0008
pancras_crag	0.1110	0.1592	0.0975	0.1364	0.0005
Organization name	0.0558	0.0987	0.0530	0.1544	0.0001
bioinfo-0	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
IR1	0.0481	0.1253	0.0571	0.1494	0.0003
health-nlp-2	0.0430	0.0997	0.0511	0.0539	0.0001
DS@GT-BioASQ	0.0275	0.0528	0.0359	0.0466	0.0000
IR_J-1	0.0194	0.1114	0.0273	0.0318	0.0001
IR_J-2	0.0809	0.0835	0.0644	0.0628	0.0001
dmiip2024	0.0741	0.1927	0.0911	0.1825	0.0005
dmiip2024_1	0.0725	0.2082	0.0917	0.1824	0.0007
dmiip2024_3	0.0694	0.1799	0.0871	0.1678	0.0004
dmiip2024_4	0.0643	0.1703	0.0800	0.1697	0.0003
dmiip2024_2	0.0674	0.1918	0.0846	0.1826	0.0005
mckpt1	0.0159	0.0605	0.0219	0.0097	0.0000
mckpt2	0.0123	0.0314	0.0149	0.0068	0.0000
MedQA-3	0.0536	0.1620	0.0646	0.0996	0.0004
MedQA-4	0.0482	0.1682	0.0599	0.0813	0.0004
MedQA-5	0.0529	0.2014	0.0682	0.0855	0.0006
Fleming-3	0.0463	0.1388	0.0578	0.0940	0.0008
UR-IW-3	0.0733	0.1574	0.0844	0.1375	0.0005
WHU-ECHO Lab-2	-	-	-	-	-
UR-IW-4	0.0631	0.1421	0.0724	0.0983	0.0004
UR-IW-1	0.0691	0.1313	0.0720	0.1076	0.0003
UR-IW-5	0.0698	0.1516	0.0797	0.1055	0.0003
Fleming-5	0.0469	0.1413	0.0583	0.0977	0.0008
UR-IW-2	0.1010	0.1303	0.0879	0.1132	0.0004
IR_Y-1	0.0194	0.1114	0.0273	0.0318	0.0001
IR_Y-2	0.0211	0.1096	0.0300	0.0316	0.0001
Biomedical QA s3	0.0588	0.1058	0.0618	0.1143	0.0003
ubuntu	-	-	-	-	-
qwen	-	-	-	-	-
config-1	0.0356	0.1386	0.0511	0.0629	0.0001

Concepts

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	-	-	-	-	-
lean_rag	-	-	-	-	-
lean_rag_dprf	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag_ft_sparse	-	-	-	-	-
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
Biomedical QA system	-	-	-	-	-
bm25 + splade	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
Fleming-1	-	-	-	-	-
Biomedical QA s. v2	-	-	-	-	-
Fleming-2	-	-	-	-	-
MedQA-1	-	-	-	-	-
health-nlp-1	-	-	-	-	-
Hybrid Retrieval	-	-	-	-	-
MedQA-2	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
RMC_3	-	-	-	-	-
RMC_4	-	-	-	-	-
RMC_5	-	-	-	-	-
main	-	-	-	-	-
semantic	-	-	-	-	-
prompted	-	-	-	-	-
pancras_naive	-	-	-	-	-
pancras_crag	-	-	-	-	-
Organization name	-	-	-	-	-
bioinfo-0	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
IR1	-	-	-	-	-
health-nlp-2	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
mckpt1	-	-	-	-	-
mckpt2	-	-	-	-	-
MedQA-3	-	-	-	-	-
MedQA-4	-	-	-	-	-
MedQA-5	-	-	-	-	-
Fleming-3	-	-	-	-	-
UR-IW-3	-	-	-	-	-
WHU-ECHO Lab-2	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-1	-	-	-	-	-
UR-IW-5	-	-	-	-	-
Fleming-5	-	-	-	-	-
UR-IW-2	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
Biomedical QA s3	-	-	-	-	-
ubuntu	-	-	-	-	-
qwen	-	-	-	-	-
config-1	-	-	-	-	-

RDF Triples

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	-	-	-	-	-
lean_rag	-	-	-	-	-
lean_rag_dprf	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag_ft_sparse	-	-	-	-	-
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
Biomedical QA system	-	-	-	-	-
bm25 + splade	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
Fleming-1	-	-	-	-	-
Biomedical QA s. v2	-	-	-	-	-
Fleming-2	-	-	-	-	-
MedQA-1	-	-	-	-	-
health-nlp-1	-	-	-	-	-
Hybrid Retrieval	-	-	-	-	-
MedQA-2	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
RMC_3	-	-	-	-	-
RMC_4	-	-	-	-	-
RMC_5	-	-	-	-	-
main	-	-	-	-	-
semantic	-	-	-	-	-
prompted	-	-	-	-	-
pancras_naive	-	-	-	-	-
pancras_crag	-	-	-	-	-
Organization name	-	-	-	-	-
bioinfo-0	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
IR1	-	-	-	-	-
health-nlp-2	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
mckpt1	-	-	-	-	-
mckpt2	-	-	-	-	-
MedQA-3	-	-	-	-	-
MedQA-4	-	-	-	-	-
MedQA-5	-	-	-	-	-
Fleming-3	-	-	-	-	-
UR-IW-3	-	-	-	-	-
WHU-ECHO Lab-2	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-1	-	-	-	-	-
UR-IW-5	-	-	-	-	-
Fleming-5	-	-	-	-	-
UR-IW-2	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
Biomedical QA s3	-	-	-	-	-
ubuntu	-	-	-	-	-
qwen	-	-	-	-	-
config-1	-	-	-	-	-

Test batch 3

Documents

System	Mean precision	Recall	F-Measure	MAP	GMAP
lean_rag_ft_sparse	0.0383	0.1825	0.0606	0.1215	0.0002
lean_rag_ft	0.0367	0.1742	0.0579	0.1192	0.0002
lean_rag_dprf	0.0350	0.1687	0.0553	0.1113	0.0002
lean_rag_ensemble	0.0400	0.1960	0.0631	0.1209	0.0003
lean_rag	0.0367	0.1742	0.0579	0.1201	0.0002
aida_2025_2	0.0500	0.2427	0.0805	0.1521	0.0006
IR1	0.0550	0.2585	0.0870	0.1404	0.0010
IR5	0.0567	0.2641	0.0896	0.1677	0.0011
Fleming-1	0.0750	0.3117	0.1138	0.2007	0.0028
Fleming-2	0.0833	0.3571	0.1273	0.2063	0.0039
"RMC_1"	0.0320	0.0919	0.0454	0.0374	0.0001
RMC_2	0.0583	0.0631	0.0561	0.0511	0.0000
RMC_3	0.0320	0.0919	0.0454	0.0374	0.0001
RMC_4	0.0388	0.1640	0.0595	0.1099	0.0002
RMC_5	0.0406	0.1807	0.0629	0.1224	0.0002
Fleming-3	0.0650	0.2846	0.0996	0.1826	0.0023
IR_J-1	0.0821	0.1362	0.0927	0.0870	0.0001
IR_J-2	0.0626	0.0996	0.0689	0.0793	0.0001
pancras_naive	0.0754	0.2460	0.1070	0.1250	0.0011
pancras_crag	0.1248	0.1889	0.1255	0.1128	0.0004
Organization name	0.0179	0.0764	0.0276	0.0416	0.0000
multi-stage rank&llm	0.0800	0.3490	0.1238	0.1764	0.0032
health-nlp-1	0.0572	0.2263	0.0853	0.1072	0.0005
dmiip2024	0.0567	0.2576	0.0886	0.1287	0.0008
dmiip2024_2	0.0600	0.2651	0.0930	0.1401	0.0008
dmiip2024_1	0.0583	0.2655	0.0912	0.1364	0.0008
dmiip2024_3	0.0550	0.2489	0.0857	0.1256	0.0007
dmiip2024_4	0.0550	0.2378	0.0852	0.1297	0.0007
BioNeuralSystem1	0.0417	0.1982	0.0668	0.1239	0.0003
DS@GT-BioASQ	0.0200	0.1000	0.0326	0.0694	0.0001
BioXR-GTE	0.0604	0.2776	0.0948	0.1674	0.0010
IR_Y-1	0.0283	0.1385	0.0452	0.0946	0.0001
IR_Y-2	0.0283	0.1385	0.0452	0.1100	0.0001
dictycite-baseline	0.0583	0.2720	0.0920	0.1482	0.0008
dictycite-snippet	0.0550	0.2669	0.0877	0.1728	0.0010
dictycite-max	0.0633	0.2845	0.0990	0.1289	0.0010
dictycite-max-rew-si	0.0717	0.3231	0.1118	0.1748	0.0023
dictycite-max-rew-sl	0.0750	0.3429	0.1179	0.1879	0.0021
UR-IW-5	0.0883	0.2728	0.1168	0.1615	0.0017
UR-IW-3	0.0628	0.1790	0.0761	0.1165	0.0002
UR-IW-4	0.0619	0.2601	0.0945	0.1773	0.0007
UR-IW-2	0.0602	0.1651	0.0763	0.0971	0.0002
UR-IW-1	0.0838	0.2396	0.1024	0.1360	0.0007
BioXR-BGE	0.0485	0.2413	0.0783	0.1423	0.0007
bioinfo-0	0.0633	0.2782	0.0976	0.1887	0.0020
bioinfo-1	0.0667	0.2780	0.1017	0.1600	0.0013
bioinfo-2	0.0583	0.2641	0.0921	0.1419	0.0009
bioinfo-3	0.0417	0.2038	0.0671	0.1088	0.0003
bioinfo-4	0.0383	0.1927	0.0620	0.0993	0.0003
Splade-v3	0.0367	0.1613	0.0575	0.0926	0.0002
Debertav3	0.0533	0.2190	0.0814	0.1395	0.0005
Fully fine-tuned	0.0467	0.1935	0.0710	0.1226	0.0003
Recently fine-tuned	0.0517	0.2327	0.0804	0.1411	0.0006
MedQA-1	0.0603	0.1727	0.0825	0.0951	0.0003
MedQA-2	0.0581	0.1890	0.0833	0.0983	0.0004
MedQA-3	0.0603	0.1727	0.0825	0.0951	0.0003
MedQA-4	0.0660	0.2120	0.0943	0.1127	0.0004
MedQA-5	0.0660	0.2120	0.0943	0.1127	0.0004
Fleming-5	0.0783	0.3206	0.1178	0.2114	0.0026
Fleming-4	0.0733	0.3016	0.1103	0.1969	0.0021
IR2	0.0600	0.2839	0.0958	0.1639	0.0013
IR3	0.0617	0.2808	0.0973	0.1689	0.0015

Snippets

System	Mean precision	Recall	F-Measure	MAP	GMAP
lean_rag_ft_sparse	0.0220	0.0757	0.0309	0.0218	0.0001
lean_rag_ft	0.0217	0.0757	0.0305	0.0216	0.0001
lean_rag_dprf	0.0237	0.0772	0.0327	0.0226	0.0001
lean_rag_ensemble	0.0203	0.0636	0.0275	0.0173	0.0000
lean_rag	0.0209	0.0754	0.0301	0.0217	0.0001
aida_2025_2	0.0205	0.0498	0.0257	0.0489	0.0001
IR1	0.0227	0.0661	0.0275	0.0469	0.0001
IR5	0.0351	0.1057	0.0446	0.0666	0.0001
Fleming-1	0.0448	0.1433	0.0575	0.1007	0.0007
Fleming-2	0.0491	0.1673	0.0650	0.1065	0.0010
"RMC_1"	0.0110	0.0163	0.0107	0.0064	0.0000
RMC_2	0.0190	0.0369	0.0200	0.0539	0.0000
RMC_3	0.0110	0.0163	0.0107	0.0064	0.0000
RMC_4	0.0149	0.0444	0.0187	0.0345	0.0001
RMC_5	0.0183	0.0516	0.0234	0.0366	0.0001
Fleming-3	0.0321	0.0964	0.0422	0.0610	0.0003
IR_J-1	0.0693	0.0723	0.0548	0.0662	0.0001
IR_J-2	0.0316	0.0562	0.0332	0.0472	0.0001
pancras_naive	0.0661	0.1566	0.0782	0.1030	0.0007
pancras_crag	0.0911	0.1227	0.0773	0.0819	0.0003
Organization name	0.0108	0.0292	0.0143	0.0244	0.0000
multi-stage rank&llm	0.0560	0.1425	0.0687	0.0954	0.0010
health-nlp-1	0.0204	0.0130	0.0128	0.0109	0.0000
dmiip2024	0.0429	0.1295	0.0531	0.0890	0.0003
dmiip2024_2	0.0487	0.1544	0.0615	0.1226	0.0004
dmiip2024_1	0.0428	0.1343	0.0559	0.0950	0.0003
dmiip2024_3	0.0439	0.1311	0.0547	0.0920	0.0003
dmiip2024_4	0.0452	0.1337	0.0564	0.0914	0.0003
BioNeuralSystem1	-	-	-	-	-
DS@GT-BioASQ	0.0121	0.0244	0.0144	0.0169	0.0000
BioXR-GTE	-	-	-	-	-
IR_Y-1	0.0083	0.0559	0.0130	0.0203	0.0000
IR_Y-2	0.0091	0.0745	0.0149	0.0315	0.0001
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
UR-IW-5	0.0937	0.1472	0.0836	0.1146	0.0009
UR-IW-3	0.0577	0.1233	0.0558	0.0873	0.0002
UR-IW-4	0.0690	0.1524	0.0780	0.1440	0.0005
UR-IW-2	0.0544	0.1131	0.0509	0.0813	0.0002
UR-IW-1	0.0697	0.1335	0.0758	0.1097	0.0003
BioXR-BGE	-	-	-	-	-
bioinfo-0	0.0196	0.1409	0.0319	0.0546	0.0005
bioinfo-1	0.0236	0.1374	0.0373	0.0352	0.0003
bioinfo-2	0.0156	0.1255	0.0260	0.0375	0.0003
bioinfo-3	0.0092	0.0637	0.0139	0.0267	0.0001
bioinfo-4	0.0085	0.0613	0.0132	0.0130	0.0001
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
MedQA-1	0.0292	0.0516	0.0291	0.0269	0.0001
MedQA-2	0.0299	0.0582	0.0325	0.0276	0.0001
MedQA-3	0.0292	0.0516	0.0291	0.0269	0.0001
MedQA-4	0.0367	0.0865	0.0434	0.0564	0.0001
MedQA-5	0.0367	0.0865	0.0434	0.0564	0.0001
Fleming-5	0.0418	0.1058	0.0501	0.0682	0.0004
Fleming-4	0.0381	0.0936	0.0444	0.0588	0.0003
IR2	0.0525	0.1199	0.0610	0.0794	0.0002
IR3	0.0571	0.1253	0.0641	0.0892	0.0003

Concepts

System	Mean precision	Recall	F-Measure	MAP	GMAP
lean_rag_ft_sparse	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag_dprf	-	-	-	-	-
lean_rag_ensemble	-	-	-	-	-
lean_rag	-	-	-	-	-
aida_2025_2	-	-	-	-	-
IR1	-	-	-	-	-
IR5	-	-	-	-	-
Fleming-1	-	-	-	-	-
Fleming-2	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
RMC_3	-	-	-	-	-
RMC_4	-	-	-	-	-
RMC_5	-	-	-	-	-
Fleming-3	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
pancras_naive	-	-	-	-	-
pancras_crag	-	-	-	-	-
Organization name	-	-	-	-	-
multi-stage rank&llm	-	-	-	-	-
health-nlp-1	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
BioNeuralSystem1	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
BioXR-GTE	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
UR-IW-5	-	-	-	-	-
UR-IW-3	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-2	-	-	-	-	-
UR-IW-1	-	-	-	-	-
BioXR-BGE	-	-	-	-	-
bioinfo-0	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
MedQA-1	-	-	-	-	-
MedQA-2	-	-	-	-	-
MedQA-3	-	-	-	-	-
MedQA-4	-	-	-	-	-
MedQA-5	-	-	-	-	-
Fleming-5	-	-	-	-	-
Fleming-4	-	-	-	-	-
IR2	-	-	-	-	-
IR3	-	-	-	-	-

RDF Triples

System	Mean precision	Recall	F-Measure	MAP	GMAP
lean_rag_ft_sparse	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag_dprf	-	-	-	-	-
lean_rag_ensemble	-	-	-	-	-
lean_rag	-	-	-	-	-
aida_2025_2	-	-	-	-	-
IR1	-	-	-	-	-
IR5	-	-	-	-	-
Fleming-1	-	-	-	-	-
Fleming-2	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
RMC_3	-	-	-	-	-
RMC_4	-	-	-	-	-
RMC_5	-	-	-	-	-
Fleming-3	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
pancras_naive	-	-	-	-	-
pancras_crag	-	-	-	-	-
Organization name	-	-	-	-	-
multi-stage rank&llm	-	-	-	-	-
health-nlp-1	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
BioNeuralSystem1	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
BioXR-GTE	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
UR-IW-5	-	-	-	-	-
UR-IW-3	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-2	-	-	-	-	-
UR-IW-1	-	-	-	-	-
BioXR-BGE	-	-	-	-	-
bioinfo-0	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
MedQA-1	-	-	-	-	-
MedQA-2	-	-	-	-	-
MedQA-3	-	-	-	-	-
MedQA-4	-	-	-	-	-
MedQA-5	-	-	-	-	-
Fleming-5	-	-	-	-	-
Fleming-4	-	-	-	-	-
IR2	-	-	-	-	-
IR3	-	-	-	-	-

Test batch 4

Documents

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	0.0625	0.2603	0.0947	0.1430	0.0011
UR-IW-5	0.0808	0.2720	0.1157	0.1782	0.0013
UR-IW-4	0.0690	0.2491	0.0995	0.2019	0.0007
UR-IW-3	0.0690	0.2689	0.1003	0.1689	0.0007
UR-IW-2	0.0846	0.2831	0.1151	0.1970	0.0016
UR-IW-1	0.0729	0.2645	0.1055	0.1826	0.0011
SATO	0.0700	0.0851	0.0711	0.0642	0.0001
IR2	0.0833	0.3052	0.1217	0.1973	0.0021
IR3	0.0817	0.3018	0.1195	0.1917	0.0018
Fleming-1	0.0650	0.2374	0.0961	0.1623	0.0007
IR1	0.0717	0.2709	0.1045	0.1955	0.0018
Splade-v3	0.0433	0.1852	0.0636	0.1035	0.0003
Debertav3	0.0600	0.2544	0.0896	0.1503	0.0007
Fully fine-tuned	0.0483	0.2067	0.0735	0.1447	0.0004
Recently fine-tuned	0.0583	0.2510	0.0873	0.1420	0.0006
IR5	0.0783	0.3039	0.1155	0.2025	0.0022
IR4	0.0783	0.2975	0.1160	0.1998	0.0015
Fleming-2	0.0650	0.2374	0.0961	0.1623	0.0007
multi-stage rank&llm	0.0900	0.3644	0.1344	0.2034	0.0028
AJDEM	0.0182	0.0461	0.0236	0.0119	0.0000
FinalQwen	0.0117	0.0374	0.0171	0.0119	0.0000
health-nlp-1	0.0567	0.2228	0.0853	0.1268	0.0003
health-nlp-2	0.0567	0.2228	0.0853	0.1268	0.0003
"RMC_1"	0.0441	0.1085	0.0572	0.0691	0.0001
RMC_2	0.1028	0.1006	0.0896	0.0688	0.0001
RMC_3	0.0497	0.1261	0.0617	0.0707	0.0002
RMC_4	0.0200	0.0607	0.0293	0.0339	0.0000
RMC_5	0.0394	0.0885	0.0516	0.0533	0.0001
dictycite-baseline	0.0800	0.2923	0.1160	0.1726	0.0017
dictycite-snippet	0.0850	0.3055	0.1230	0.1835	0.0021
dictycite-max	0.0867	0.3456	0.1288	0.2244	0.0021
dictycite-max-rew-si	0.0967	0.3698	0.1425	0.2310	0.0031
dictycite-max-rew-sl	0.0967	0.3698	0.1425	0.2234	0.0030
Fleming-3	0.0717	0.2492	0.1044	0.1663	0.0008
Fleming-5	0.0800	0.2852	0.1175	0.1786	0.0011
BM25 baseline retrie	0.0050	0.0149	0.0071	0.0109	0.0000
BM25 + MeSH (14b-A)	0.0050	0.0149	0.0071	0.0109	0.0000
BM25 + PRF(14b-A)	0.0050	0.0149	0.0071	0.0137	0.0000
BM25 + cross-encoder	0.0050	0.0274	0.0078	0.0119	0.0000
lean_rag	0.1030	0.2772	0.1274	0.1759	0.0013
lean_rag_ft	0.0977	0.2745	0.1223	0.1726	0.0015
lean_rag_dprf	0.0964	0.2804	0.1223	0.1754	0.0013
lean_rag_ft_sparse	0.0967	0.2731	0.1208	0.1700	0.0011
lean_rag_ensemble	0.1224	0.2741	0.1411	0.1852	0.0012
BM25 + LTR	0.0067	0.0315	0.0101	0.0182	0.0000
Organization name	0.0381	0.0913	0.0518	0.0493	0.0001
multi-stage rank&ll	0.0900	0.3406	0.1332	0.1852	0.0021
dmiip2024	0.0750	0.2983	0.1123	0.1885	0.0016
dmiip2024_1	0.0767	0.2978	0.1132	0.1905	0.0015
dmiip2024_2	0.0817	0.3180	0.1200	0.1991	0.0018
dmiip2024_3	0.0750	0.2859	0.1113	0.1709	0.0009
dmiip2024_4	0.0767	0.2998	0.1139	0.1763	0.0012
bioinfo-0	0.0800	0.2961	0.1191	0.1951	0.0015
bioinfo-1	0.0783	0.2977	0.1142	0.1163	0.0013
bioinfo-2	0.0867	0.3238	0.1276	0.1959	0.0033
bioinfo-3	0.0717	0.2556	0.1028	0.1538	0.0016
bioinfo-4	0.0717	0.2556	0.1028	0.1538	0.0016
DS@GT-BioASQ	0.0733	0.1539	0.0926	0.0956	0.0003
llama for 14b b	0.0250	0.0808	0.0370	0.0523	0.0001
DSGTBioasq	0.0733	0.1539	0.0926	0.0956	0.0003
IR_J-1	0.0436	0.0639	0.0436	0.0460	0.0000
IR_J-2	0.0752	0.0766	0.0651	0.0668	0.0001
IR_Y-1	0.0367	0.1341	0.0514	0.0710	0.0001
IR_Y-2	0.0367	0.1327	0.0512	0.0718	0.0001
pancras_naive	0.0882	0.2472	0.1178	0.1573	0.0012
pancras_crag	0.1129	0.2233	0.1298	0.1399	0.0008
BioXR-GTE	0.0717	0.3022	0.1067	0.1949	0.0015
MedQA-1	0.0633	0.2139	0.0878	0.1640	0.0008
MedQA-2	0.0650	0.2195	0.0904	0.1658	0.0008
MedQA-4	0.0808	0.1689	0.0890	0.0972	0.0004
MedQA-5	0.0783	0.3027	0.1156	0.1810	0.0025
1 system	0.1002	0.2130	0.1259	0.1388	0.0009
2 system	0.0615	0.2447	0.0914	0.1467	0.0008
3 system	0.0470	0.2038	0.0713	0.1467	0.0004
4 system	0.0738	0.2715	0.1093	0.1418	0.0011
5 system	0.0591	0.2559	0.0896	0.1872	0.0010

Snippets

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	0.0326	0.0836	0.0418	0.0468	0.0002
UR-IW-5	0.0788	0.1773	0.0955	0.1419	0.0009
UR-IW-4	0.0638	0.1814	0.0841	0.1508	0.0005
UR-IW-3	0.0681	0.1906	0.0870	0.1387	0.0006
UR-IW-2	0.0774	0.2055	0.0992	0.1750	0.0012
UR-IW-1	0.0710	0.1887	0.0898	0.1487	0.0006
SATO	0.0242	0.1019	0.0300	0.0116	0.0001
IR2	0.0595	0.1357	0.0692	0.0887	0.0006
IR3	0.0578	0.1326	0.0669	0.0876	0.0005
Fleming-1	0.0364	0.0966	0.0442	0.0504	0.0003
IR1	0.0515	0.1413	0.0640	0.0817	0.0004
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
IR5	0.0526	0.1463	0.0650	0.0970	0.0006
IR4	0.0528	0.1289	0.0636	0.0848	0.0004
Fleming-2	0.0336	0.1190	0.0472	0.0914	0.0004
multi-stage rank&llm	0.0814	0.2441	0.1062	0.1344	0.0020
AJDEM	-	-	-	-	-
FinalQwen	0.0054	0.0087	0.0066	0.0025	0.0000
health-nlp-1	0.0278	0.0403	0.0289	0.0299	0.0001
health-nlp-2	0.0278	0.0403	0.0289	0.0299	0.0001
"RMC_1"	0.0302	0.0196	0.0125	0.0190	0.0000
RMC_2	0.0380	0.0572	0.0352	0.0528	0.0001
RMC_3	0.0244	0.0266	0.0147	0.0250	0.0001
RMC_4	0.0025	0.0028	0.0017	0.0031	0.0000
RMC_5	0.0032	0.0092	0.0029	0.0056	0.0000
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
Fleming-3	0.0415	0.1013	0.0487	0.0527	0.0004
Fleming-5	0.0469	0.1234	0.0542	0.0619	0.0005
BM25 baseline retrie	0.0014	0.0017	0.0014	0.0039	0.0000
BM25 + MeSH (14b-A)	0.0014	0.0017	0.0014	0.0039	0.0000
BM25 + PRF(14b-A)	0.0014	0.0017	0.0015	0.0039	0.0000
BM25 + cross-encoder	0.0053	0.0062	0.0056	0.0132	0.0000
lean_rag	0.0581	0.1424	0.0693	0.0436	0.0003
lean_rag_ft	0.0627	0.1442	0.0726	0.0432	0.0003
lean_rag_dprf	0.0594	0.1414	0.0699	0.0431	0.0003
lean_rag_ft_sparse	0.0612	0.1444	0.0717	0.0415	0.0003
lean_rag_ensemble	0.0525	0.1571	0.0678	0.0422	0.0003
BM25 + LTR	0.0012	0.0017	0.0013	0.0052	0.0000
Organization name	0.0287	0.0674	0.0370	0.0792	0.0001
multi-stage rank&ll	0.0794	0.2300	0.1037	0.1205	0.0015
dmiip2024	0.0663	0.1835	0.0849	0.1264	0.0008
dmiip2024_1	0.0617	0.1780	0.0807	0.1191	0.0006
dmiip2024_2	0.0668	0.1986	0.0878	0.1387	0.0007
dmiip2024_3	0.0639	0.1771	0.0813	0.1133	0.0004
dmiip2024_4	0.0709	0.2051	0.0915	0.1255	0.0006
bioinfo-0	0.0375	0.1335	0.0525	0.0591	0.0004
bioinfo-1	0.0375	0.0978	0.0459	0.0296	0.0002
bioinfo-2	0.0533	0.1192	0.0638	0.0495	0.0005
bioinfo-3	0.0353	0.1095	0.0452	0.0431	0.0004
bioinfo-4	0.0413	0.1235	0.0511	0.0490	0.0006
DS@GT-BioASQ	0.0227	0.0274	0.0209	0.0356	0.0000
llama for 14b b	0.0119	0.0274	0.0154	0.0198	0.0000
DSGTBioasq	0.0227	0.0274	0.0209	0.0356	0.0000
IR_J-1	0.0338	0.0440	0.0347	0.0393	0.0000
IR_J-2	0.0567	0.0472	0.0434	0.0389	0.0001
IR_Y-1	0.0146	0.0603	0.0175	0.0146	0.0000
IR_Y-2	0.0131	0.0670	0.0154	0.0119	0.0000
pancras_naive	0.0641	0.1744	0.0778	0.1279	0.0008
pancras_crag	0.0926	0.1417	0.0869	0.0861	0.0006
BioXR-GTE	0.0004	0.0015	0.0006	0.0004	0.0000
MedQA-1	0.0421	0.0730	0.0386	0.0520	0.0002
MedQA-2	0.0295	0.0574	0.0269	0.0470	0.0001
MedQA-4	0.0532	0.0941	0.0530	0.0628	0.0002
MedQA-5	0.0507	0.1267	0.0571	0.0836	0.0004
1 system	0.0556	0.1660	0.0752	0.0546	0.0006
2 system	0.0467	0.1923	0.0687	0.1028	0.0007
3 system	0.0384	0.1741	0.0588	0.0955	0.0004
4 system	0.0480	0.2083	0.0734	0.0572	0.0006
5 system	0.0419	0.2237	0.0639	0.1007	0.0008

Concepts

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	-	-	-	-	-
UR-IW-5	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-3	-	-	-	-	-
UR-IW-2	-	-	-	-	-
UR-IW-1	-	-	-	-	-
SATO	-	-	-	-	-
IR2	-	-	-	-	-
IR3	-	-	-	-	-
Fleming-1	-	-	-	-	-
IR1	-	-	-	-	-
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
IR5	-	-	-	-	-
IR4	-	-	-	-	-
Fleming-2	-	-	-	-	-
multi-stage rank&llm	-	-	-	-	-
AJDEM	-	-	-	-	-
FinalQwen	-	-	-	-	-
health-nlp-1	-	-	-	-	-
health-nlp-2	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
RMC_3	-	-	-	-	-
RMC_4	-	-	-	-	-
RMC_5	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
Fleming-3	-	-	-	-	-
Fleming-5	-	-	-	-	-
BM25 baseline retrie	-	-	-	-	-
BM25 + MeSH (14b-A)	-	-	-	-	-
BM25 + PRF(14b-A)	-	-	-	-	-
BM25 + cross-encoder	-	-	-	-	-
lean_rag	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag_dprf	-	-	-	-	-
lean_rag_ft_sparse	-	-	-	-	-
lean_rag_ensemble	-	-	-	-	-
BM25 + LTR	-	-	-	-	-
Organization name	-	-	-	-	-
multi-stage rank&ll	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
bioinfo-0	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
llama for 14b b	-	-	-	-	-
DSGTBioasq	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
pancras_naive	-	-	-	-	-
pancras_crag	-	-	-	-	-
BioXR-GTE	-	-	-	-	-
MedQA-1	-	-	-	-	-
MedQA-2	-	-	-	-	-
MedQA-4	-	-	-	-	-
MedQA-5	-	-	-	-	-
1 system	-	-	-	-	-
2 system	-	-	-	-	-
3 system	-	-	-	-	-
4 system	-	-	-	-	-
5 system	-	-	-	-	-

RDF Triples

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	-	-	-	-	-
UR-IW-5	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-3	-	-	-	-	-
UR-IW-2	-	-	-	-	-
UR-IW-1	-	-	-	-	-
SATO	-	-	-	-	-
IR2	-	-	-	-	-
IR3	-	-	-	-	-
Fleming-1	-	-	-	-	-
IR1	-	-	-	-	-
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
IR5	-	-	-	-	-
IR4	-	-	-	-	-
Fleming-2	-	-	-	-	-
multi-stage rank&llm	-	-	-	-	-
AJDEM	-	-	-	-	-
FinalQwen	-	-	-	-	-
health-nlp-1	-	-	-	-	-
health-nlp-2	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
RMC_3	-	-	-	-	-
RMC_4	-	-	-	-	-
RMC_5	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
Fleming-3	-	-	-	-	-
Fleming-5	-	-	-	-	-
BM25 baseline retrie	-	-	-	-	-
BM25 + MeSH (14b-A)	-	-	-	-	-
BM25 + PRF(14b-A)	-	-	-	-	-
BM25 + cross-encoder	-	-	-	-	-
lean_rag	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag_dprf	-	-	-	-	-
lean_rag_ft_sparse	-	-	-	-	-
lean_rag_ensemble	-	-	-	-	-
BM25 + LTR	-	-	-	-	-
Organization name	-	-	-	-	-
multi-stage rank&ll	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
bioinfo-0	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
llama for 14b b	-	-	-	-	-
DSGTBioasq	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
pancras_naive	-	-	-	-	-
pancras_crag	-	-	-	-	-
BioXR-GTE	-	-	-	-	-
MedQA-1	-	-	-	-	-
MedQA-2	-	-	-	-	-
MedQA-4	-	-	-	-	-
MedQA-5	-	-	-	-	-
1 system	-	-	-	-	-
2 system	-	-	-	-	-
3 system	-	-	-	-	-
4 system	-	-	-	-	-
5 system	-	-	-	-	-